MétaCan
Menu
Retour à la cohorte
Enregistrement W2111055606 · doi:10.1177/0013916504269651

Individual and Neighborhood Characteristics Associated with Environmental Exposure

2005· article· en· W2111055606 sur OpenAlexaffabout
Susan Keller-Olaman, John Eyles, Susan J. Elliott, Kathi Wilson, Nathaniel Dostrovsky, Michael Jerrett

Notice bibliographique

RevueEnvironment and Behavior · 2005
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEnvironmental Justice and Health Disparities
Établissements canadiensMcMaster UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEnvironmental healthLogistic regressionPsychologyEnvironmental qualityBlue collarPopulationSocioeconomicsGeographyMedicineDemographic economicsSociologyStatisticsMathematicsEcology

Résumé

récupéré en direct d'OpenAlex

Environmental exposure research tends to emphasize the monitoring and regulation of emissions, with fewer investigations of exposure experienced in the general population. To help bridge the gap between environmental quality and perceived exposure, this study examines ambient exposures among 300 residents from each of 4 neighborhoods and among a control group of 300 residents in Hamilton, Ontario, Canada. Logistic regression analyses determined how individual, neighborhood, and housing characteristics influenced self-reported exposure in the workplace, inside the home, and around the home. Blue-collar occupations, neighborhood dislikes, and a home in disrepair were associated with work exposure. Neighborhood dislikes, renting, and indicating how the neighborhood could be healthier were associated with indoor exposure. Pesticide exposure was linked to professional occupations and to a specific neighborhood. Older homes were also associated with pesticide and indoor exposure. The findings highlight the need for further research on indoor exposure indices and on perceptions of neighborhood quality.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,161
Score d'incertitude au seuil0,319

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,244
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironment and BehaviorMême sujetEnvironmental Justice and Health DisparitiesTravaux en français237 207